Một trong những chỉ tiêu cần đánh giá khi sử dụng SEM là đánh giá độ phù hợp của mô hình (model fit).
Một mô hình chỉ có ý nghĩa khi nó phù hợp với dữ liệu thực tế. Vậy làm thế nào để kiểm định tính phù hợp của mô hình SEM trong AMOS?
Bài viết này Thạc Sĩ Khánh và nhóm MBA sẽ hướng dẫn bạn từng bước để kiểm tra và cải thiện model fit nếu cần thiết trong AMOS nhé.
Các chỉ số đánh giá độ phù hợp của mô hình SEM trong AMOS
AMOS cung cấp nhiều chỉ số để đánh giá mức độ phù hợp của mô hình.Tất cả các chỉ số nằm trong phần tô đỏ bên ảnh dưới:
Dưới đây là những chỉ số quan trọng nhất mà bạn cần quan tâm khi thực hiện luận văn của mình
Chi-square (χ²) và p-value
Chi-square (χ²) đo lường sự khác biệt giữa ma trận hiệp phương sai của mô hình giả thuyết và ma trận hiệp phương sai thực tế.
Nếu p-value < 0.05, mô hình có sự khác biệt đáng kể với dữ liệu thực tế (không tốt).
Nếu p-value > 0.05, mô hình được xem là phù hợp với dữ liệu thực tế.
Tuy nhiên chỉ số χ² dễ bị ảnh hưởng bởi kích thước mẫu, nên cần thay thế bởi các chỉ số khác như bên dưới
Chi-square/df (CMIN/DF)
Là chỉ số Chi-square chia cho bậc tự do (df).
Giá trị lý tưởng: <= 3 (theo Kline, 2011). Nếu CMIN/DF > 5, mô hình không phù hợp.
RMSEA (Root Mean Square Error of Approximation)
Đánh giá mức độ sai số xấp xỉ của mô hình.
Giá trị RMSEA:
≤ 0.05: Mô hình tốt.
0.05 – 0.08: Mô hình chấp nhận được.
> 0.08: Mô hình không phù hợp.
GFI (Goodness of Fit Index) & AGFI (Adjusted Goodness of Fit Index)
GFI > 0.90: Mô hình phù hợp.
AGFI > 0.85: Mô hình chấp nhận được.
CFI (Comparative Fit Index) & TLI (Tucker-Lewis Index)
CFI > 0.90: Mô hình phù hợp.
TLI > 0.90: Mô hình tốt.
Tóm lại, khi thực hiện luận văn tại Việt Nam, một mô hình SEM được coi là phù hợp khi các chỉ số sau đạt yêu cầu:
– CMIN/DF < 3
– RMSEA < 0.08
– GFI > 0.90
– CFI > 0.90, TLI > 0.90.
Cách kiểm định độ phù hợp của mô hình SEM trong AMOS
Khi thực hiện chạy mô hình SEM, ta có thể xem các chỉ số model fit bằng một trong hai cách sau:
Cách 1 là bấm vào view text để xem toàn bộ kết quả.
Cách 2 là xem các chỉ số macro model fit trong figure caption.
Cả hai cách đều ra cùng kết quả
Bước 1: Kiểm tra chi-square và p-value
Trong AMOS, chạy phân tích và kiểm tra giá trị Chi-square (χ²).
Nếu p-value < 0.05, mô hình có thể chưa phù hợp, do đó tiếp tục xem xét các chỉ số thay thế sau:
Bước 2: Xem xét RMSEA
Nếu RMSEA > 0.08 mô hình có thể cần được tinh chỉnh. Còn không thì chỉ số này đạt
Bước 3: Kiểm tra các chỉ số CFI, TLI, GFI
Nếu các chỉ số này < 0.90, cần điều chỉnh mô hình bằng cách loại bỏ biến quan sát không phù hợp, hoặc dùng MI để nối covariance.
Bước 4: Điều chỉnh mô hình (Modification Indices – MI)
Trong AMOS, bạn có thể xem Modification Indices (MI) để xem những mối quan hệ nào có thể thêm vào mô hình để cải thiện độ phù hợp.
Chỉ nên điều chỉnh nếu có cơ sở lý thuyết hợp lý.
Bước 5: Kiểm tra lại sau khi điều chỉnh
Sau khi điều chỉnh mô hình, chạy lại phân tích để kiểm tra các chỉ số model fit.
Nếu các chỉ số đã đạt chuẩn, mô hình có thể được sử dụng để kiểm định giả thuyết.
Lưu ý khi kiểm định tính phù hợp của mô hình SEM
Không chỉ dựa vào một chỉ số duy nhất: Cần xem xét tổng thể các chỉ số để đánh giá mức độ phù hợp của mô hình.
Tránh điều chỉnh mô hình quá mức có thể khiến mô hình phù hợp với dữ liệu hiện tại nhưng không có tính tổng quát. Nghĩa là không được dùng các covariance nối với nhau bừa bãi.
Kết hợp với phân tích nội dung: Ngoài model fit, cần kiểm tra tính hợp lệ và độ tin cậy của thang đo.
Tóm lại về độ phù hợp mô hình SEM
Kiểm định tính phù hợp của mô hình SEM trong AMOS là một bước quan trọng trong nghiên cứu khoa học. Việc đánh giá đúng model fit giúp đảm bảo mô hình có ý nghĩa thống kê và phản ánh đúng mối quan hệ giữa các biến.
Nếu bạn gặp khó khăn trong việc phân tích SEM hoặc cần hỗ trợ chuyên sâu, dịch vụ xử lý số liệu của Phân Tích SPSS sẽ giúp bạn hoàn thành luận văn một cách chính xác và nhanh chóng!
